期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于ISSA-Transformer的电梯制动力矩预测研究
1
作者
苏万斌
江叶峰
+2 位作者
李科
周振超
易灿灿
《机电工程》
北大核心
2025年第10期2027-2036,共10页
实现电梯制动器力矩的精确预测对确保电梯安全运行和实现预测性维护具有重要的意义。针对曳引式电梯在制动力矩预测方面存在准确性与可靠性不足的问题,以及现有Transformer存在计算复杂度高和训练时间长的局限性,提出了一种基于改进鲸...
实现电梯制动器力矩的精确预测对确保电梯安全运行和实现预测性维护具有重要的意义。针对曳引式电梯在制动力矩预测方面存在准确性与可靠性不足的问题,以及现有Transformer存在计算复杂度高和训练时间长的局限性,提出了一种基于改进鲸沙虫群算法优化Transformer网络(ISSA-Transformer)的电梯制动力矩预测方法。首先,为了提高Transformer的预测精度,在Transformer模型中添加了特征融合门(FFG)以提高模型的特征提取能力,使其能够更有效地捕捉制动力矩的全局与局部特征;然后,利用拉普拉斯交叉算子、混合对立学习方法以及高斯扰动对鲸沙虫群算法(SSA)进行了改进,以增强SSA的搜索能力和全局最优收敛性。并采用ISSA算法优化了Transformer的迭代次数、批次大小和学习率,以提高模型的计算效率并减少训练时间,从而建立了电梯制动器制动力矩的预测模型;最后,对曳引式电梯制动器数据进行了分析,将所得结果与LSTM、Transformer和SSA-Transformer模型进行了比较。研究结果表明:ISSA-Transformer的均方根误差(RMSE)较LSTM、Transformer和SSA-Transformer模型分别降低了0.0318、0.0144和0.0133,用于电梯制动力矩预测的准确率达到了98.7%,相较传统方法具有更高的精度和稳定性。该方法可为电梯的安全评估和预测性维护提供更可靠的技术支持。
展开更多
关键词
曳引式电梯
升降台
电梯制动器
改进鲸沙虫群算法
Transformer网络
特征融合门
均方根误差
长短期记忆网络
在线阅读
下载PDF
职称材料
题名
基于ISSA-Transformer的电梯制动力矩预测研究
1
作者
苏万斌
江叶峰
李科
周振超
易灿灿
机构
嘉兴市特种设备检验检测院
浙江省特种设备科学研究院
武汉科技大学机械工程学院
出处
《机电工程》
北大核心
2025年第10期2027-2036,共10页
基金
浙江省自然科学基金资助项目(LTGG24E050002)
嘉兴市科技计划项目(2023AD31084)。
文摘
实现电梯制动器力矩的精确预测对确保电梯安全运行和实现预测性维护具有重要的意义。针对曳引式电梯在制动力矩预测方面存在准确性与可靠性不足的问题,以及现有Transformer存在计算复杂度高和训练时间长的局限性,提出了一种基于改进鲸沙虫群算法优化Transformer网络(ISSA-Transformer)的电梯制动力矩预测方法。首先,为了提高Transformer的预测精度,在Transformer模型中添加了特征融合门(FFG)以提高模型的特征提取能力,使其能够更有效地捕捉制动力矩的全局与局部特征;然后,利用拉普拉斯交叉算子、混合对立学习方法以及高斯扰动对鲸沙虫群算法(SSA)进行了改进,以增强SSA的搜索能力和全局最优收敛性。并采用ISSA算法优化了Transformer的迭代次数、批次大小和学习率,以提高模型的计算效率并减少训练时间,从而建立了电梯制动器制动力矩的预测模型;最后,对曳引式电梯制动器数据进行了分析,将所得结果与LSTM、Transformer和SSA-Transformer模型进行了比较。研究结果表明:ISSA-Transformer的均方根误差(RMSE)较LSTM、Transformer和SSA-Transformer模型分别降低了0.0318、0.0144和0.0133,用于电梯制动力矩预测的准确率达到了98.7%,相较传统方法具有更高的精度和稳定性。该方法可为电梯的安全评估和预测性维护提供更可靠的技术支持。
关键词
曳引式电梯
升降台
电梯制动器
改进鲸沙虫群算法
Transformer网络
特征融合门
均方根误差
长短期记忆网络
Keywords
traction elevator
lifting platform
elevator brake
improved salp swarm algorithm(ISSA)
Transformer network
feature fusion gate(FFG)
root mean square error(RMSE)
long short-term memory(LSTM)
分类号
TH211.6 [机械工程—机械制造及自动化]
TU857 [建筑科学]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于ISSA-Transformer的电梯制动力矩预测研究
苏万斌
江叶峰
李科
周振超
易灿灿
《机电工程》
北大核心
2025
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
